摘要：美国职业棒球大联盟实施了基于敏迪的私有云以提供一致的全联盟范围的通信。美国职棒大联盟交易将对敏迪的品牌产生重大影响这笔交易应该对敏迪的品牌知名度产生重大影响，该影响力落后于统一通信行业的大型企业。
美国职业棒球大联盟实施了基于敏迪（Mitel）的私有云以提供一致的全联盟范围的通信。
所有行业都受到数字化转型的影响。对于几乎所有垂直行业中的各种规模的组织来说，如今，有能力改善与组织互动的人的体验才是重中之重。数字化转型的第一步是实现底层基础设施的现代化，因为这将为数字化举措的推动带来必要的敏捷性、规模和弹性水平。
体育和娱乐行业当然不能避免这种趋势。事实上，每个体育联盟都在寻求改善整体球迷体验的方法，以获得更大的娱乐消费份额。娱乐业竞争激烈，选择颇多。尤其是美国职业棒球大联盟（MLB），随着比赛时间的延长以及很多年轻球迷对此失去关注，联盟感受到了压力。
从历史上看，在美国职业棒球大联盟中，通信基础设施的决策是由各个团队做出的，这导致各地点之间的高度不一致的体验和服务不同。然而，在2015年，联盟花费了大约3亿美元将Wi－Fi引进每个体育场。
现在它已经与统一通信（UC）供应商敏迪合作，该公司将提供一个集中管理的系统，该系统可以在主要联赛的每个球场为队员席（dugout）、候补队员区（bullpen）、记者席（press box）和影像回顾室（即时回放）提供通信。
美国职棒大联盟将能够集中记录，监控和回顾在比赛期间进行的每一次通话。这将有助于确保对联盟规则的遵守，无需频繁视察投手丘（mound）并促成更快的比赛进度。
集中化通信实现了公平竞争
我与圣地牙哥教士（San Diego Padres）的IT副总裁Ray Chan谈过这件事。他说与美国职棒大联盟有关的每个人都关心如何确保公平竞争，并认为联盟接管沟通平台是有道理的。
Chan说：“联盟需要一个统一的平台来监控电话机，并确保它们以正确的方式得到使用。我们以前都是独立运营，所以技术不一样。但并非所有团队都有迁移系统的资源或IT人员。从联盟的角度来看，美国职棒大联盟实施基于敏迪的私有云是最有意义的。”
值得注意的是，敏迪提供的不仅仅是语音。初始部署将包括呼叫，但也包括呼叫记录和安全功能。敏迪提供了很多可能对美国职棒大联盟有益的其它功能，包括视频，移动统一通信，团队协作，大量通知以及与物联网设备的通信。
平台可靠性对美国职业棒球大联盟至关重要
实施这个的有趣的一面是——与其说它关乎大小和规模，不如说它关乎可靠性。由于合同仅涵盖美国职棒大联盟需要监控的区域，因此每个体育场的电话机总数不足20个。但是，可靠性才是重中之重。
Chan解释说，为了达标，必须在联盟批准的电话机上进行与队员席候补队员区的沟通。在电话机不工作的情况下，美国职棒大联盟的规定是不允许使用手机，对讲机或任何其它外部通信工具。Chan对敏迪解决方案充满信心，并拥有第一手经验，自2016年起，教士队用敏迪私有云解决方案取代了旧的Avaya系统。
即将到来的美国职棒大联盟实施将基本上反映了教士队的部署工作的一面镜子。Chan说：“敏迪对我们来说是可靠的”。他补充说，他对整个联盟的部署工作也有相同的期望。
美国职棒大联盟交易将对敏迪的品牌产生重大影响
这笔交易应该对敏迪的品牌知名度产生重大影响，该影响力落后于统一通信行业的大型企业。敏迪的标志将出现在队员席御用的电话机上，出现在处理即时回放系统的人衬衫上。人们往往把敏迪看作是服务于中小企业的统一通信服务提供商，但它一直在转战高端市场。
敏迪是第一家将平台虚拟化并将其作为私有云工作负载提供的主流的统一通信提供商。我记得当它初次踏上这个旅程时，大多数供应商压根不会考虑它。但对于需要管理和分析敏感数据的组织来说，私有云更有意义。
如今，数字化转型对于每个行业的业务和IT领导者来说都是一项重要举措。首席信息官应该注意美国职棒大联盟正在做的事情。每个企业的需求都不尽相同，但数字化的成功跟随了基础设施现代化的步伐。当每个地点的系统不同时（不幸的是，这是常态），通信的一致性是非常难以实现的。如美国职棒大联盟正在部署的集中化私有云可以提供这种一致性，同时具有出色的规模和敏捷性。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/6395.html
摘要：亚马逊人工智能语音助手技能超过万个，全球各主要硬件厂商纷纷搭载或兼容，使得其亚马逊助手无处不在。物联网设备透过云端实现跨行业和跨设备互联互通，所收集数据除了在边缘侧处理，还需要上传至云端，云端作为数据集散地，各种数据经过云端AI处理后，对这些数据利用将会带来新的商业模式。在物联网资深专家杨剑勇看来，云计算是全球物联网重要基础设施，作为物联网产业发展基石，聚集了亚马逊、微软、谷歌和BAT等重量...
摘要：感谢像这样的框架，使得这些数据集可以应用于机器学习领域。蓝点被标记为坏球，橙点被标记为好球标注来自大联盟裁判员使用构建模型将机器学习带入和领域。使用库将预测结果呈现为热图。好球区域位于本垒板上方至英尺之间。 在这篇文章中，我们将使用TensorFlow.js，D3.js和网络的力量来可视化训练模型的过程，以预测棒球数据中的坏球（蓝色区域）和好球（橙色区域）。在整个训练过程中，我们将一步...
阅读 2063·2023-04-25 22:58
阅读 1407·2021-09-22 15:20
阅读 2692·2019-08-30 15:56
阅读 1985·2019-08-30 15:54
阅读 2101·2019-08-29 12:31
阅读 2727·2019-08-26 13:37
阅读 591·2019-08-26 13:25
阅读 2096·2019-08-26 11:58
